論文の概要: Playing Text-Based Games with Common Sense
- arxiv url: http://arxiv.org/abs/2012.02757v1
- Date: Fri, 4 Dec 2020 18:22:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 20:53:38.828035
- Title: Playing Text-Based Games with Common Sense
- Title(参考訳): コモンセンスでテキストベースのゲームをする
- Authors: Sahith Dambekodi, Spencer Frazier, Prithviraj Ammanabrolu, Mark O.
Riedl
- Abstract要約: エージェントに常識知識を組み込むための2つの手法を探索する。
コモンセンス推論モデルCOMETまたは言語モデルBERTで世界状態の潜在的隠れた側面を推測する。
我々は,コモンセンス推論によって世界国家に対する信念を補強するエージェントは,テキスト記述から共通要素の観察上の誤りや省略に対してより堅牢である,と結論付けた。
- 参考スコア(独自算出の注目度): 12.561548311885671
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text based games are simulations in which an agent interacts with the world
purely through natural language. They typically consist of a number of puzzles
interspersed with interactions with common everyday objects and locations. Deep
reinforcement learning agents can learn to solve these puzzles. However, the
everyday interactions with the environment, while trivial for human players,
present as additional puzzles to agents. We explore two techniques for
incorporating commonsense knowledge into agents. Inferring possibly hidden
aspects of the world state with either a commonsense inference model COMET, or
a language model BERT. Biasing an agents exploration according to common
patterns recognized by a language model. We test our technique in the 9to05
game, which is an extreme version of a text based game that requires numerous
interactions with common, everyday objects in common, everyday scenarios. We
conclude that agents that augment their beliefs about the world state with
commonsense inferences are more robust to observational errors and omissions of
common elements from text descriptions.
- Abstract(参考訳): テキストベースのゲームは、エージェントが純粋に自然言語を通して世界と対話するシミュレーションである。
それらは典型的には、一般的な日常の物体や場所と相互作用する多くのパズルで構成されている。
深層強化学習エージェントはこれらのパズルを解くことができる。
しかしながら、人間のプレイヤーにとって自明な環境との日常的な相互作用は、エージェントに新たなパズルとして提示される。
エージェントに常識知識を組み込むための2つの手法を探索する。
コモンセンス推論モデルCOMETまたは言語モデルBERTで世界状態の潜在的隠れた側面を推測する。
言語モデルによって認識される共通パターンに従ってエージェントを探索する。
9to05ゲームはテキストベースのゲームの極端なバージョンであり、日常的な日常的なシナリオにおいて、共通の日常的なオブジェクトと多数のインタラクションを必要とする。
我々は、コモンセンス推論によって世界状態に関する信念を補強するエージェントは、観察的エラーやテキスト記述からの共通要素の欠落に対してより頑健であると結論づける。
関連論文リスト
- Scaling Instructable Agents Across Many Simulated Worlds [70.97268311053328]
私たちのゴールは、シミュレーションされた3D環境で人間ができることを何でも達成できるエージェントを開発することです。
我々のアプローチは、最小限の仮定を示唆しながら、言語駆動の一般性に焦点を当てている。
我々のエージェントは、汎用的なヒューマンライクなインタフェースを使って、リアルタイムで環境と対話する。
論文 参考訳(メタデータ) (2024-03-13T17:50:32Z) - CivRealm: A Learning and Reasoning Odyssey in Civilization for
Decision-Making Agents [63.79739920174535]
文明ゲームに触発された環境であるCivRealmを紹介する。
CivRealmは、意思決定エージェントにとってユニークな学習と推論の課題である。
論文 参考訳(メタデータ) (2024-01-19T09:14:11Z) - Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。
コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
論文 参考訳(メタデータ) (2023-11-26T09:11:32Z) - Tachikuma: Understading Complex Interactions with Multi-Character and
Novel Objects by Large Language Models [67.20964015591262]
我々は,複数文字と新しいオブジェクトベースインタラクション推定タスクとサポートデータセットからなる,立久間というベンチマークを導入する。
このデータセットは、ゲームプレイ中のリアルタイム通信からログデータをキャプチャし、多様な、接地された複雑なインタラクションを提供して、さらなる探索を行う。
本稿では,対話理解の強化に有効であることを示すため,簡単なプロンプトベースラインを提案し,その性能評価を行う。
論文 参考訳(メタデータ) (2023-07-24T07:40:59Z) - Iconary: A Pictionary-Based Game for Testing Multimodal Communication
with Drawings and Text [70.14613727284741]
人間とのコミュニケーションは、世界の共通理解、複雑なセマンティクス、時にはマルチモーダルなジェスチャーを必要とするため、AIにとって難しい。
図面と推測の協調ゲームであるIconaryの文脈において,これらの課題を考察する。
我々は、Iconaryをプレイし、人間のプレイヤー間で55,000以上のゲームでそれらをトレーニングするモデルを提案する。
論文 参考訳(メタデータ) (2021-12-01T19:41:03Z) - Modeling Worlds in Text [16.67845396797253]
対話的な物語の知識グラフに基づく世界モデルを構築することができる学習エージェントの作成を可能にするデータセットを提供する。
我々のデータセットは、豊かな自然言語観測と知識グラフの間の24198のマッピングを提供する。
トレーニングデータは、複数のジャンルの27のゲームにまたがって収集され、さらに7836のホールトアウトインスタンスがテストセットに追加の9つのゲームに格納されている。
論文 参考訳(メタデータ) (2021-06-17T15:02:16Z) - Reading and Acting while Blindfolded: The Need for Semantics in Text
Game Agents [18.743819704859703]
人工エージェントがテキストのセマンティック理解をどのように利用するかは、まだ不明である。
表現空間を正規化し,探索を促す逆ダイナミクスデコーダを提案する。
将来のエージェントの設計における我々の発見の意義を、より強い意味論的理解で議論する。
論文 参考訳(メタデータ) (2021-03-25T01:35:27Z) - A Practical Guide to Studying Emergent Communication through Grounded
Language Games [0.0]
本稿では,Babelソフトウェアシステムを拡張した高レベルロボットインタフェースを提案する。
これは、先進的な基底言語ゲーム実験の実行に関わる各サブタスクを扱うフレキシブルなモジュールを提供するツールキットを初めて提示する。
論文 参考訳(メタデータ) (2020-04-20T11:48:24Z) - Exploration Based Language Learning for Text-Based Games [72.30525050367216]
本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。
テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。
これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
論文 参考訳(メタデータ) (2020-01-24T03:03:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。